关于在线评论有用性的论文研读笔记---41-50篇

目录

41.The power of numbers: an examination of the relationship between numerical cues in online review comments and perceived review helpfulness. (Journal of Research in Interactive Marketing)

42.Emotions for attention in online consumer reviews: the moderated mediating role of review helpfulness. （Industrial Management & Data Systems）

43.Elaboration likelihood model, endogenous quality indicators, and online review helpfulness. (Decision Support Systems)

44.Prediction and modelling online reviews helpfulness using 1D Convolutional Neural Networks. (Expert Systems with Applications)

45.Complementary or Substitutive? A Novel Deep Learning Method to Leverage Text-image Interactions for Multimodal Review Helpfulness Prediction. (Expert Systems with Applications)

46.The Role of Sentiment Tendency in Affecting Review Helpfulness for Durable Products: Nonlinearity and Complementarity. （Information Systems Frontiers）

47.Mining the determinants of review helpfulness: a novel approach using intelligent feature engineering and explainable AI. (Data Technologies and Applications)

48.A prediction framework on the helpfulness of reviews for processing Chinese and English hotel reviews. （International Journal of Contemporary Hospitality Management）

49.I Like My Anonymity: An Empirical Investigation of the Effect of Multidimensional Review Text and Role Anonymity on Helpfulness of Employer Reviews. （Information Systems Frontiers）

50.How does mobile device usage influence review helpfulness through consumer evaluation? Evidence from TripAdvisor. （Decision Support Systems）

---

41.The power of numbers: an examination of the relationship between numerical cues in online review comments and perceived review helpfulness. (Journal of Research in Interactive Marketing)

        这篇文章主要从文本特征方面去研究在线评论有用性的，但是在大数据背景下这篇文章不一定实用，这篇文章也是采取问卷调查的形式来做的研究。 文章基于SOR（刺激-组织-反应）模型和线索总和理论来说明了数字信息以及消费者心理反应对评论有用性的作用。文章假设评论文本中包含数字能影响评论有用性、数字可以激发阅读者的信任和认知从而提高评论有用性。

        实验的方法也很简单，首先是经典问卷调查，积极消极评论、带数字不带数字分开四条评论，首先做个预实验，先评价一下积极评论与消极评论的有用性水平，确定有区别后然后再去评价有无数字的区别。结论自然是有数字的评论更加有用。

         第二个实验则是用问卷星去收集数据，主要是想看看认知层面和信任层面对评论有用性的影响，然后跑了一个线性回归得出认知层面和新人层面会影响评论有用性，中介效应跑了个我看不懂的模型，效果也显著。

         总的来说这种问卷型的文章都比较好懂，但是在大数据背景下，这个特征是否实用还是打一个问号的，因为我去某东上看了一些评论，基本都不包含数字，而且怎么提取数字特征也要打一个问号。嗯，就扯这么多把。

42.Emotions for attention in online consumer reviews: the moderated mediating role of review helpfulness. （Industrial Management & Data Systems）

        这篇文章在研究评论有用性的基础上，同时进一步研究了评论有用性对评论参与度的影响。文章采用了豆瓣的影评来进行研究，文章采取爬虫爬取了总计5万条评论。

        文章的研究分了两块，第一块是评论有用性的研究，因变量文章选择了文章受到的总有用性投票，自变量的选择上文章选择了积极情感词的占比和消极情感词的占比、评论者专业知识以及常见的控制变量，包括长度、极性、极性方差、是否有图片、设备、注册年限、粉丝数量、好友数量等。在模型的选择上文章采用了负二项回归来进行拟合，结果也很Nice。

         在评论有用性上，正向情感对评论有用性起负向作用，负面情感对评论有用性起积极作用。评论者约有经验，则该评论者书写的评论中积极情感表现的作用更强，负向情感作用更弱。模型3和4则表明评论情感对评论参与度也有显著影响。

         同时文章也证明了积极情感和消极情感通过评论有用性的中介作用来间接影响评论参与度，并且影响都是负向的。文章进一步分析了评论情感只有在程度高时才会有显著的负效应，低情感和中性情感都不会显著的影响的评论参与度。

         总结一下，这篇文章模型分析的方法值得学习，首先是常规的负二项回归然后是路径分析，然后是调节效应的研究厘清了三种情感程度对评论参与度的影响。还有就是作图方法，如下图所示，这是其他论文中很常见的一种可视化方法，可以在论文中学习。

43.Elaboration likelihood model, endogenous quality indicators, and online review helpfulness. (Decision Support Systems)

         这篇文章也是研究评论有用性影响因素的文章，这篇文章基于ELM模型来分析评论有用性，ELM模型指出评论阅读者阅读一条评论时有两条分析路径，分别是中心路径和外围路径，文章分析指出质量指标和情感指标在传统是都是启发式线索，但是随着评论阅读者的深入思考一条评论之后，这些启发式线索就会变成中心线索，需要阅读者进行思考，因此文章提出了一个修正的ELM模型，同时提出了两个问题：未观察的质量特征和不同情绪水平的情感如何影响评论有用性。

       有用性的文章分析框架比较流程化，自变量、因变量、模型。因变量文章采用了有用性投票的总数。自变量则包含四部分，未观察的质量特征、质量特征、情感特征和控制变量，文章的分析模型中比较费解的就是为观察到的质量特征。可观察的质量特征包括：长度、可读性、主题包含数、评论者排名。情感特征首先文章考虑了正负情感，其次考虑了情感的情绪程度，不管是积极情感还是消极情感，情感词语中包含的情绪程度是不同的，这是这篇文章的一个创新点，不过AROUSAL这个维度在NLP中怎么去度量的文章说的好像不是很清楚，也可能是我没有看懂，但是这个还是很值得学习的新特征。重头还是未观察的质量特征，这篇文章考虑了内生性的问题，解决内生性问题传统计量经济学采用的是工具变量法，但不是很方便，这篇文章不用工具变量法，直接从质量特征中提取了新变量作为未观察的质量特征，最终模型的结果也很nice。

<